Python 查找pd.DataFrame列之间的解相关

我有一个数据集，其中两列具有几乎完美的相关性，这意味着当一列具有某个值时，第二列具有另一个特定值的可能性非常高，例如：

df = pd.DataFrame({'A': [1, 1, 1, 1, 1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 5],
                   'B': ['a', 'a', 'a', 'a', 'a', 'a', 'b', 'c', 'd', 'd', 'e', 'e', 'f', 'f', 'g']})
print(df)

Out[6]: 
    A  B
0   1  a
1   1  a
2   1  a
3   1  a
4   1  a
5   1  a
6   2  b
7   2  c
8   3  d
9   3  d
10  4  e
11  4  e
12  5  f
13  5  f
14  5  g

当列

A

的值为

1

时，

B

将具有

A

-这是一个完美的相关性，因为

A

的

A

值与

A

的

B

值不同。对于

3

->

d

，

4

->

e

，情况也是如此

5

和

2

不是完全相关的

我如何找到具有多个匹配

B

值的所有

A

值，以便将它们全部打印出来

在这种情况下，我想要的输出是

find_imperfect_correlations(df, 'A', 'B')

Out[7]:
2 -> 'b', 'c'
5 -> 'f', 'g'

编辑： 最好是当

B

的数据类型可以是整数、日期等时的一般答案。

iuic，您可以

In [562]: s = df.groupby('A')['B'].unique()

In [563]: s[s.str.len() > 1]
Out[563]:
A
2    [b, c]
5    [f, g]
dtype: object

或

输出：

2 -> ['b' 'c']
5 -> ['f' 'g']

---

这一点也会起作用：

grouped = df.groupby('A').B.nunique()
df_grouped = grouped.to_frame().reset_index()
decorrelated = df_grouped[df_grouped['B'] > 1]

print(decorrelated['A'])

---

第一行为A列中的每个值计算B列中的不同值。第二行将结果系列转换为数据帧。第三行选择不同值数大于1的行。然后最后一行打印A值。

看起来很棒！当

B

的数据类型未知时，是否有更通用的方法？（编辑原始帖子）-也许你的第一个版本是广义的？

2 -> ['b' 'c']
5 -> ['f' 'g']

grouped = df.groupby('A').B.nunique()
df_grouped = grouped.to_frame().reset_index()
decorrelated = df_grouped[df_grouped['B'] > 1]

print(decorrelated['A'])